实时检验泡沫：基于严格局部鞅判别的泡沫检验方法

实时检验泡沫并对市场参与者和监管者进行预警，有利于防范和化解金融风险。基于检验泡沫的严格局部鞅判别原理，在RKSH方法的基础上拓展了一种倒向滚动检验方法（BSLM），并通过蒙特卡洛仿真和实证分析验证了新方法的有效性。研究发现：相对于传统严格局部鞅判别方法，BSLM方法对距离当前时刻较近的泡沫具有更高的检验势，并且能更早地事前预警泡沫；在对中国股票市场主要指数2000~2015年的泡沫检验中，新方法能判断泡沫的生成时间和破灭时间，发现上证指数和深圳成指的泡沫具有较强的联动性。     

基于近似贝叶斯计算方法的排队模型参数估计

基于贝叶斯推断对单服务台的马尔科夫与非马尔科夫系统下的4个排队模型做参数估计与效果评价,并对银行排队叫号换汇数据做实证研究。采用近似贝叶斯计算的方法有效解决复杂排队模型似然函数难解析表达的问题。利用R中queue computer包给出M/M/1,M/G/1,G/M/1,GI/GI/1这4个排队模型的到达时间与服务时间的参数估计及后验分布图。其中M/M/1:估计值(真实值)分别约为1.02(1)、 1.12(1/0.9),都与真实值接近;M/G/1:1.17(1)、1.21(1.2),对服务时间的估计效果优于到达时间;G/M/1:0.49(0.5)、0.96(1),从后验分布进一步得到对服务时间的估计更准确;GI/GI/1:1.16(1.1)、1.07(1)、0.23(0.251)、0.22(0.25),各分量的估计值与真实值相对接近。对于实际银行数据,估计得的参数所拟合的数据与Ausin的拟合数据分布接近。研究表明,近似贝叶斯的方法在排队模型的参数估计上有较大优势,在实际数据中取得了较好应用。     

基于互协方差稀疏重构的MIMO雷达低仰角估计算法

针对低空目标仰角估计时, 多径信号间的混叠严重影响雷达的测角性能的问题, 基于压缩感知理论的波达方向(direction of arrival, DOA)估计算法与多输入多输出(multi-input and multi-output, MIMO)雷达体制结合起来共同进行低空目标DOA估计的研究, 提出了一种基于互协方差矩阵稀疏重构的MIMO雷达低空目标DOA估计算法。首先, 对MIMO雷达多径接收信号广义匹配滤波后的虚拟矩阵向量化处理, 并针对向量化后虚拟孔径扩展带来运算量大的缺点, 通过降维处理来减少运算量; 然后利用多快拍数互协方差矩阵中的噪声独立不相关的优点, 降低噪声影响, 提高算法估计性能; 最后转化为凸优化问题进行稀疏恢复。仿真结果表明算法在直达信号与多径反射信号相互削弱的情况下, 仍能有效估计低空目标的仰角, 较L1-SVD和L1-SRACV算法对低空目标具有更好的仰角估计性能。     

稳健经验似然估计方法

在经验似然方法的基础上提出了一种稳健的经验似然估计方法,在约束条件的估计方程中使用权重函数以及有界得分来限制异常点的影响。通过数值模拟研究该方法的稳健性。模拟结果表明,相比普通的经验似然估计,提出的稳健经验似然方法在数据中存在异常值的情况下所得估计的均方误差更小。同时对于非正态的厚尾分布数据,提出的稳健经验似然估计也在均方误差意义下更优。     

一种优化嵌套MIMO的无孔差合阵列设计

针对现有嵌套MIMO阵列自由度有限的问题,提出一种基于优化嵌套阵的优化改进方案。其不止保留了嵌套MIMO阵列设计的原有优势,具有阵元位置以及自由度的闭合表达式,而且极大程度地提高了阵列孔径以及自由度。优化嵌套MIMO阵列设计首先将优化嵌套阵作为发射和接收阵,其次对MIMO阵列的合阵进行做差处理,得到阵元位置的差合阵列。通过合理的设计发射和接收阵的阵元间距,可以获得一个无孔的差合阵列。当阵元总数给定的时候,通过分析阵列结构的特点,可以得到发射和接收阵的最佳阵元数目。仿真实验表明,与嵌套MIMO阵列设计相比,所提方法在不增加实际阵元数目的情况下可以有效扩展阵列孔径,增加自由度,从而提高MIMO雷达波达方向估计精度。     

基于变分贝叶斯估计方法的双尺度自适应Kalman滤波

针对Kalman滤波在对敌目标估计应用中遇到的量测和过程噪声均未知且时变的情况,提出了一种利用变分贝叶斯估计的双尺度自适应滤波方法。解决了2个关键问题：一是针对量测和过程噪声协方差的共轭后验分布提出了相对转移概率指标,设计了启发式的自适应噪声估计窗口,实现了稳态精度和时变响应性能的综合提升,能适应敌方目标机动性高且统计特性变化快的特点;二是设计了在不同时间尺度上估计过程噪声和量测噪声的协方差方法,解决了在同一时间尺度上使协方差估计值发生严重偏差且增大滤波误差的问题。仿真表明,所提方法能快速跟踪目标状态噪声统计特性的变化并保证估计精度。     

利用单检波器数据估计高铁列车运行速度

在列车结构基本上固定的前提下, 仅利用高铁线路隔离区外单个检波器采集的地震数据来估计高铁的运行速度。通过给出列车经过铁路上一点时该点的受力函数振幅谱与列车运行速度的关系, 提出一种基于速度扫描的列车速度估计方法。首先根据列车结构参数及预设列车运行速度生成一系列受力函数振幅谱, 然后计算各种速度下的受力函数振幅谱与单个检波器所接收到信号振幅谱的互相关函数, 最终选取互相关函数值最大时对应的速度作为列车运行速度的估计值。合成数据及实测数据的结果均证明所提方法的合理性, 有望将此方法推广到其他道路交通中具有固定结构交通工具的速度估计中。     

一类非线性弱奇异积分不等式组中未知函数的估计

研究了一类二维非线性弱奇异积分不等式组.该不等式组积分号外有不同的非常数函数因子,不能用向量形式的Gronwall-Bellman型积分不等式进行估计.利用H?lder积分不等式、 Gamma函数和Beta函数把弱奇异非线性积分问题转化成没有奇异的非线性积分问题,利用Bernoulli不等式把非线性问题转化成线性问题,利用变量替换技巧和放大技巧研究只含有一个未知函数的积分不等式,接着给出不等式组中两个未知函数的估计.该结果可用于研究积分、微分动力系统解的估计.     

面向AR沙盘异地协同标绘的动作重构技术

为真实再现增强现实环境下全息沙盘异地协同标绘的交互过程,提出了一种基于视频的异地协同标绘动作重构技术.使用单目RGB相机采集作业人员的实时视频信息,基于YOLO实现多人检测,并确定作业人员在三维空间中的相对位置关系;基于改进的ResNet网络对检测到的每个作业人员进行关节点的三维位置预测;然后将估算出的本地作业人员的关节位置实时传送到异地,经过逆向运动学及低通滤波器的优化驱动虚拟化身的运动.实验结果表明,能够准确地再现异地作业人员的标绘动作,满足实际应用需求.      

基于深度学习的OFDM信道估计

针对多径正交频分复用(orthogonal frequency division multiplexing, OFDM)信道环境下信道频域选择性衰落导致下行链路信道估计性能受限的问题,提出一种基于深度学习的信道估计(deep learning-based channel estimation, DL-CE)方法。采用自回归过程对信道建模,利用深度学习设计信道估计网络追踪信道响应及其频域相关系数。通过迭代训练,基于深度学习的信道估计网络能够学习到自回归系数的最优估计,同时利用先验信道信息估计信道频域响应和频域相关系数。与传统方法相比,所提信道估计方法性能提升明显。